بررسی مقایسه‌ای شبکه عصبی، مدل IHACRES و رگرسیون خطی در شبیه‌سازی رواناب درحوضه آبریز طشک-بختگان

الموضوعات :

علیرضا پیل پایه ¹ , آیدین باختر ² , اکبر رحمتی ³ , افشین شایقی ⁴

1 - استادیار گروه مهندسی عمران، واحد پارس آباد مغان، دانشگاه آزاد اسلامی، پارس آباد، ایران.
2 - دانش‌آموخته کارشناسی ارشد رشته مدیریت منابع اب، گروه مهندسی آب، دانشگاه ارومیه، ارومیه، ایران .
3 - دانش‌آموخته کارشناسی ارشد رشته مدیریت منابع اب، دانشکده کشاورزی، دانشگاه تهران، تهران، ایران.
4 - دانش‌آموخته کارشناسی ارشد رشته مدیریت منابع اب، دانشکده فنی و مهندسی، گروه مهندسی آب، دانشگاه بین المللی امام خمینی (ره) قزوین، قزوین، ایران.

تاريخ الإرسال : 12 الثلاثاء , ذو الحجة, 1440 تاريخ التأكيد : 24 الأربعاء , محرم, 1443 تاريخ الإصدار : 24 السبت , ذو الحجة, 1443

الکلمات المفتاحية: سیلاب, هوش مصنوعی, مدل بارش- رواناب,

ملخص المقالة :

شبیه‌سازی میزان رواناب از مهمترین موضوعات در زمینه هیدرولوژی و منابع آب می‌باشد با پیش‌بینی میزان رواناب در دوره‌های آینده می‌توان میزان سیلاب و همچنین روند افزایشی و کاهشی میزان دبی رودخانه را تعیین کرد. روش‌های مختلفی به منظور شبیه‌سازی و یا پیش‌بینی میزان رواناب وجود داشته که از این بین می‌توان به روش‌های آماری، مدل‌های بارش- رواناب و هوش مصنوعی اشاره کرد. در این پژوهش با استفاده از سه مدل متشکل از شبکه عصبی، IHACRES و رگرسیون خطی میزان رواناب درحوضه طشک- بختگان برآورد شده و با استفاده از آماره‌هایی همچون ضریب همبستگی، ضریب تبیین و دیگر شاخص‌های خطا این مدل‌ها مورد ارزیابی قرار گرفتند. نتایج حاکی از این بود که میزان رواناب و بارش دارای رابطه غیر خطی بوده و به همین جهت نمی‌توان جهت برآورد میزان رواناب به مدل رگرسیون خطی اعتماد کرد. از دیگر نتایج این پژوهش می‌توان به این مورد اشاره کرد که در حالت کلی مدل شبکه عصبی به دلیل برقراری رابطه غیر خطی بین میزان بارش و رواناب نسبت به دو مدل دیگر از دقت مناسبی در برآورد میزان رواناب ماهانه در سطح حوضه طشک- بختگان برخوردار می‌باشد.

المصادر:

1.       Mengistu, K.T. Watershed Hydrological Responses to Changes in Land Use and Land Cover, and Management Practices at Hare Watershed, Ethiopia. 2009.

2.       Te Linde, A.H.; Aerts, J.; Hurkmans, R.; Eberle, M. Comparing Model Performance of Two Rainfall-Runoff Models in the Rhine Basin Using Different Atmospheric Forcing Data Sets. Hydrol. Earth Syst. Sci. 2008, 12, 943–957.

3.       Dye, P.J.; Croke, B.F.W. Evaluation of Streamflow Predictions by the IHACRES Rainfall-Runoff Model in Two South African Catchments. Environ. Model. Softw. 2003, 18, 705–712.

4.       Dakhlaoui, H.; Ruelland, D.; Tramblay, Y.; Bargaoui, Z. Evaluating the Robustness of Conceptual Rainfall-Runoff Models under Climate Variability in Northern Tunisia. J. Hydrol. 2017, 550, 201–217.

5.       Khazaee Poul, A.; Shourian, M.; Ebrahimi, H. A Comparative Study of MLR, KNN, ANN and ANFIS Models with Wavelet Transform in Monthly Stream Flow Prediction. Water Resour. Manag. 2019, 33, 2907–2923.

6.       Lotfirad, M.; Salehpoor Laghani, J.; Ashrafzadeh, A. Using the IHACRES Model to Investigate the Impacts of Changing Climate on Streamflow in a Semi-Arid Basin in North-Central Iran. J. Hydraul. Struct. 2019, 5, 27–41.

7.       Ahmadi, M.; Moeini, A.; Ahmadi, H.; Motamedvaziri, B.; Zehtabiyan, G.R. Comparison of the Performance of SWAT, IHACRES and Artificial Neural Networks Models in Rainfall-Runoff Simulation (case Study: Kan Watershed, Iran). Phys. Chem. Earth, Parts A/B/C 2019, 111, 65–77.

8.       Abolverdi, J.; Khalili, D. Probabilistic Analysis of Extreme Regional Meteorological Droughts by L-Moments in a Semi-Arid Environment. Theor. Appl. Climatol. 2010, 102, 351–366.

9.       Jakeman, A.J.; Hornberger, G.M. How Much Complexity Is Warranted in a Rainfall‐runoff Model? Water Resour. Res. 1993, 29, 2637–2649.

10.   Helsel, D.R.; Hirsch, R.M. Statistical Methods in Water Resources; Elsevier, 1992; Vol. 49; ISBN 0444885285.

11.   Bal, P.K.; Ramachandran, A.; Geetha, R.; Bhaskaran, B.; Thirumurugan, P.; Indumathi, J.; Jayanthi, N. Climate Change Projections for Tamil Nadu, India: Deriving High-Resolution Climate Data by a Downscaling Approach Using PRECIS. Theor. Appl. Climatol. 2016, 123, 523–535.

12.    فعالیان; روشن, ح.ن.; روشن, ح.ن.; شاهدی; شاهدی; قنبرپور; قنبرپور کالیبراسیون و ارزیابی مدل هیدرولوژیکی IHACRES  به منظور شبیه سازی جریان روزانه. آب و خاک 2011, 25.

13.    مقدم, ر.; حجازی; میراسدالله; بهبودی; عبداله واسنجی و ارزیابی عملکرد مدل IHACRES در شبیه سازی رواناب در زیرحوضه ی آبریز لنبران، اهرچای. هیدروژئومورفولوژی 2019, 6, 187–204.